BroadRouter

अरबी speech-to-text API, स्टेप बाय स्टेप

अपडेट किया गया

WAV या MP3 फ़ाइल https://inference.broadnet.ai/v1/audio/transcriptions पर model broadnet/cohere-transcribe-arabic और language=ar के साथ भेजें। रिस्पॉन्स JSON होता है, ट्रांसक्रिप्ट text में। WhatsApp .ogg जैसे दूसरे फ़ॉर्मैट को पहले WAV में बदलें। कीमत प्रति ऑडियो मिनट है, और BroadNet के अनुसार कोई ऑडियो या ट्रांसक्रिप्ट रखा नहीं जाता।

BroadNet Transcribe Arabic की कीमत $0.0042 प्रति ऑडियो मिनट है। BroadNet के अनुसार Open Universal Arabic ASR Leaderboard पर इसकी रैंक 37 में से #2 (यह सितंबर 2026 का आंकड़ा है; 15 नवंबर 2026 को लाइव लीडरबोर्ड पर यह 39 में से #4 था) है, और जिन मॉडलों का लाइसेंस API के ज़रिए सर्व करने की अनुमति देता है, उनमें यह #1 है। दूसरी भाषाओं के लिए BroadNet Transcribe 14 भाषाएँ $0.002 प्रति मिनट पर कवर करता है। देखें BroadNet Transcribe Arabic मॉडल पेज और BroadNet Transcribe मॉडल पेज।

दूसरे प्रोवाइडर सस्ते पड़ सकते हैं। 2026-11-14 को Soniox के कीमतों वाले पेज पर फ़ाइल (async) ट्रांसक्रिप्शन के लिए लगभग USD 0.10 प्रति घंटा और रियल-टाइम के लिए USD 0.12 प्रति घंटा लिखा था, और उसकी भाषा-सूची में अरबी है। यह BroadNet Transcribe Arabic के $0.25 प्रति घंटा से कम है, इसलिए दोनों को अपने ऑडियो पर टेस्ट करें।

curl से

curl https://inference.broadnet.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer $BROADNET_API_KEY" \
  -F model=broadnet/cohere-transcribe-arabic \
  -F language=ar \
  -F file=@voice-note.wav

रिस्पॉन्स में ट्रांसक्रिप्ट JSON के रूप में आता है:

{"text": "مرحباً، لقد وصلت إلى البريد الصوتي، اترك رسالتك من فضلك"}

Python से

from openai import OpenAI
import os

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])

with open("voice-note.wav", "rb") as audio:
    result = client.audio.transcriptions.create(
        model="broadnet/cohere-transcribe-arabic",
        file=audio,
        language="ar",
    )
print(result.text)

language हमेशा भेजें

language के बिना अरबी लैटिन अक्षरों में लिप्यंतरित होकर लौट सकती है। अरबी के लिए language=ar और अंग्रेज़ी के लिए language=en भेजें।

यह कौन-सी अरबी बोलियाँ सँभालता है?

BroadNet के अनुसार BroadNet Transcribe Arabic बोलियों समेत अरबी को कवर करता है, और BroadNet इसके तीन वर्ड एरर रेट प्रकाशित करता है। ये BroadNet के अपने मॉडल कैटलॉग के लैब माप हैं:

टेस्ट सेट यह क्या है वर्ड एरर रेट
FLEURS-ar साफ़ पढ़े गए वाक्य 3.8
MASC-ar असली दुनिया की मिली-जुली अरबी बोली 21.1
BroadNet बोली सेट बोलियों वाली स्पीच 23.4

BroadNet बोली के हिसाब से ब्रेकडाउन प्रकाशित नहीं करता, इसलिए BroadNet के बाहर कोई नहीं बता सकता कि खाड़ी का ऑडियो मिस्री या मग़रिबी के मुक़ाबले कैसा स्कोर करता है। दूसरे प्रोवाइडर कवरेज अलग तरह से बताते हैं। Deepgram, Nova-3 Arabic को क्षेत्रीय कोड के साथ सूचीबद्ध करता है, ar-AE, ar-SA और ar-EG से लेकर ar-MA और ar-IQ तक। Speechmatics एक “Global Arabic” पैक बेचता है, जिसमें Modern Standard Arabic, खाड़ी, मिस्री और लेवेंटाइन स्पीच का नाम है, और साथ में अंग्रेज़ी मिली अरबी के लिए एक ar_en पैक। Soniox अरबी (ar) को बिना बोली के विवरण के सूचीबद्ध करता है।

सूची में दिया कोड मापी गई सटीकता नहीं है। चुनने से पहले हर विकल्प को अपनी क्लिप पर, बोली के हिसाब से समूह बनाकर, स्कोर करें:

  • खाड़ी (ख़लीजी): सऊदी, अमीराती, कुवैती, क़तरी स्पीच, अक्सर अंग्रेज़ी प्रोडक्ट नामों के साथ।
  • मिस्री: मीडिया में सबसे ज़्यादा समझी जाने वाली बोली।
  • लेवेंटाइन: सीरियाई, लेबनानी, जॉर्डनी और फ़िलिस्तीनी स्पीच।
  • इराक़ी और मग़रिबी: मोरक्को, अल्जीरिया और ट्यूनीशिया की स्पीच आम तौर पर सबसे मुश्किल होती है।
  • Modern Standard Arabic: समाचार और औपचारिक स्पीच, आसान बेसलाइन।

अरबी बोली स्पीच रिकग्निशन गाइड बताती है कि बोलियों का स्कोर ख़राब क्यों आता है, और वर्ड एरर रेट की व्याख्या दिखाती है कि उन्हें स्कोर कैसे करें।

अरबी speech-to-text API की कीमत कितनी है?

नीचे का हर प्रोवाइडर अरबी को सूचीबद्ध करता है। सबसे सस्ता पहले; जहाँ अलग से न लिखा हो, कीमतें पहले से रिकॉर्ड की गई फ़ाइलों की हैं, और 2026-11-14 को जाँची गईं:

प्रोवाइडर और मॉडल प्रति मिनट प्रति घंटा बताया गया अरबी कवरेज
Soniox, async (फ़ाइल) लगभग USD 0.0017 लगभग USD 0.10 अरबी (ar)
Soniox, रियल-टाइम लगभग USD 0.002 लगभग USD 0.12 अरबी (ar)
BroadNet Transcribe (14 भाषाएँ) $0.002 $0.12 14 भाषाओं में अरबी
BroadNet Transcribe Arabic $0.0042 $0.25 बोलियों समेत अरबी (BroadNet के अनुसार)
Deepgram, Nova-3 monolingual USD 0.0043 USD 0.258 ar और क्षेत्रीय कोड
Speechmatics, Standard USD 0.0075 USD 0.45 Global Arabic, ar_en
Speechmatics, Enhanced USD 0.0125 USD 0.75 Global Arabic, ar_en

स्रोत: Soniox की कीमतें (बिलिंग प्रति टोकन; प्रति घंटा आँकड़े Soniox के अपने अनुमान हैं), Deepgram की कीमतें और Speechmatics की कीमतें। Soniox दोनों BroadNet मॉडलों से सस्ता है, और BroadNet रियल-टाइम स्ट्रीमिंग डॉक्यूमेंट नहीं करता। BroadNet के पक्ष में हैं अरबी के लिए ख़ास मॉडल, उसकी बताई गई लीडरबोर्ड रैंक और ज़ीरो डेटा रिटेंशन। ज़्यादा प्रोवाइडर के लिए हमारा खुला speech-to-text API कीमत इंडेक्स देखें, जिसमें 20 से ज़्यादा प्रोडक्ट की batch और स्ट्रीमिंग कीमतें और अरबी सपोर्ट हैं, हर एक के स्रोत और तारीख़ के साथ (CSV और JSON)। अतिरिक्त ख़र्चों के लिए speech-to-text API कीमतों की तुलना देखें; अपने वॉल्यूम की कीमत निकालने के लिए स्पीच-टू-टेक्स्ट लागत कैलकुलेटर इस्तेमाल करें।

सीमाएँ

  • WAV या MP3, प्रति फ़ाइल 26,214,400 बाइट (25 MiB) तक। बड़ी फ़ाइल पर 413 आता है; पहले उसे टुकड़ों में बाँटें।
  • उपयोग के अनुसार भुगतान वाली key प्रति मिनट 30 अनुरोध और एक साथ 4 अनुरोधों की अनुमति देती है।
  • दोनों ट्रांसक्रिप्शन मॉडल $5 के मुफ़्त शुरुआती क्रेडिट पर चलते हैं, इसलिए पैसे देने से पहले आप अपनी रिकॉर्डिंग टेस्ट कर सकते हैं।

समस्या निवारण

  • अरबी लिपि की जगह लैटिन अक्षर. language=ar जोड़ें।
  • 400 या 422. फ़ील्ड के नाम (model, language, file) जाँचें, और यह भी कि फ़ाइल सचमुच WAV या MP3 है। नाम बदली हुई .ogg फ़ेल होती है; उसे ffmpeg से कन्वर्ट करें।
  • 413. फ़ाइल 26,214,400 बाइट से बड़ी है। उसे 16 kHz mono WAV या MP3 में बदलें, या छोटे टुकड़ों में बाँटें।
  • पेड अकाउंट पर 401. key और उपयोग के अनुसार भुगतान वाली सीमा जाँचें। देखें BroadNet एरर कोड और रीट्राई।
  • बोली वाली या शोर भरी कॉल पर कमज़ोर सटीकता. BroadNet के अपने बोली टेस्ट सेट का स्कोर साफ़ पढ़ी गई स्पीच से ख़राब है (FAQ देखें)। अपने असली ऑडियो के एक सैंपल पर टेस्ट करें और वर्ड एरर रेट मापें।

WhatsApp वॉइस नोट .ogg में आते हैं। WhatsApp वॉइस नोट एक ही क़दम में कन्वर्ट और ट्रांसक्राइब करें। अगर आपको शोर भरे ऑडियो में नंबर, तारीख़ें और नाम चाहिए, तो BroadNet अनुरोध पर एक फ़ाइन-ट्यून किया गया अरबी मॉडल देता है।

अक्सर पूछे जाने वाले सवाल

क्या यह अरबी बोलियाँ समझता है?

BroadNet अपने बोली वाले टेस्ट सेट पर 23.4 वर्ड एरर रेट बताता है, साथ में FLEURS-ar पर 3.8 और MASC-ar पर 21.1। कम बेहतर है। BroadNet हर बोली का अलग स्कोर प्रकाशित नहीं करता, इसलिए भरोसा करने से पहले खाड़ी, मिस्री, लेवेंटाइन और मग़रिबी रिकॉर्डिंग अलग-अलग टेस्ट करें।

सबसे सस्ता अरबी speech-to-text API कौन-सा है?

2026-11-14 को जाँचे गए प्रोवाइडर में Soniox की दर सबसे कम है, फ़ाइल ट्रांसक्रिप्शन के लिए लगभग USD 0.10 प्रति घंटा। BroadNet Transcribe Arabic की कीमत $0.25 प्रति घंटा है। Deepgram Nova-3 और Speechmatics महँगे हैं। प्रति घंटा कीमत से ज़्यादा अहम है आपकी अपनी बोली वाले ऑडियो पर वर्ड एरर रेट।

कौन-से ऑडियो फ़ॉर्मैट चलते हैं?

WAV (audio/wav) और MP3 (audio/mpeg)। .ogg या .m4a जैसे दूसरे फ़ॉर्मैट को पहले ffmpeg से कन्वर्ट करें।

मेरा अरबी ट्रांसक्रिप्ट लैटिन अक्षरों में क्यों लिखा आ रहा है?

अनुरोध में language फ़ील्ड नहीं था। इसके बिना अरबी बोली लैटिन लिपि में लिप्यंतरित हो सकती है। हर अरबी अनुरोध के साथ language=ar भेजें।

क्या मैं अरबी ट्रांसक्रिप्शन मुफ़्त में आज़मा सकता हूँ?

हाँ। BroadNet के दोनों ट्रांसक्रिप्शन मॉडल उस मुफ़्त शुरुआती क्रेडिट पर चलते हैं जो नए अकाउंट को मिलता है, इसलिए टॉप-अप से पहले आप अपनी रिकॉर्डिंग टेस्ट कर सकते हैं।

अरबी के लिए BroadNet Transcribe Arabic लूँ या BroadNet Transcribe?

दोनों language=ar लेते हैं। BroadNet Transcribe Arabic अरबी मॉडल है, और वही मॉडल जिसे BroadNet अरबी लीडरबोर्ड पर रिपोर्ट करता है। BroadNet Transcribe प्रति मिनट सस्ता है और 14 भाषाएँ कवर करता है, इसलिए दोनों को अपने ऑडियो पर टेस्ट करें।

Markdown में पढ़ेंChatGPT से पूछेंClaude से पूछेंPerplexity से पूछें